融合时间上下文的熵驱动的协同过滤算法

• 作者: 夏竹青 王竹婷
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 个性化推荐系统 协同过滤 信息熵 时间上下文 评分相对差值
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法与计算机应用
• 页码范围: 73-77
• 页数: 5页
• 分类号: TP301.6
• 字数: 4337字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1980.2019.03.018

摘要

个性化推荐技术中的协同过滤算法,不需要分析项目的内容就可以进行推荐,因而得到广泛应用.针对基于内存的协同过滤算法存在的问题,提出了一种融合时间衰减函数和信息熵的相似度计算方法.首先,采用熵驱动的用户相似度模型来度量评分的相对差值;然后,针对用户兴趣随时间而发生变化的问题,采用时间衰减函数对评分差值的权重进行调整,从而对模型进行优化.在电影评价数据集ml-100k上对改进算法的有效性进行实验验证,结果表明,此算法能有效提升推荐系统的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王竹婷	合肥学院计算机科学与技术系	25	24	2.0	3.0
2	夏竹青	合肥学院计算机科学与技术系	12	6	2.0	2.0